Pandas_ex (연습문제)

Ecommerce Purchases Exercise

---

아마존 구매 내역에 대한 Fake 데이터 입니다. 아래 굵은 글씨로 기술된 테스크들을 완수하자.

뒷부분으로 갈 수록 점점 어려워진다.

모든 데이터는 인위적으로 만들어진 가짜이므로 상식적으로 맞지 않을 수 있다는 점 감안하자.

또한 모든 답안은 한 줄로 작성될 수 있다는 점도 기억하자.

 

1.csv

2.62MB

 

import numpy as np
import pandas as pd

 

1. csv 파일을 읽어들여 df 데이터프레임생성

 

# 결과값 없음

 

정답

df = pd.read_csv("경로")

 

2. 데이터프레임의 첫 5 샘플 확인

 

결과 값

 

정답

df.head()

 

3. 몇개의 row와 column을 가진 데이터인가?

 

 

(10000, 14)

 

정답

df.shape

 

3. 데이터 프레임의 대략적인 정보도 확인해봅니다.

 

 

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 10000 entries, 0 to 9999
Data columns (total 14 columns):
 #   Column            Non-Null Count  Dtype  
---  ------            --------------  -----  
 0   Address           10000 non-null  object 
 1   Lot               10000 non-null  object 
 2   AM or PM          10000 non-null  object 
 3   Browser Info      10000 non-null  object 
 4   Company           10000 non-null  object 
 5   Credit Card       10000 non-null  int64  
 6   CC Exp Date       10000 non-null  object 
 7   CC Security Code  10000 non-null  int64  
 8   CC Provider       10000 non-null  object 
 9   Email             10000 non-null  object 
 10  Job               10000 non-null  object 
 11  IP Address        10000 non-null  object 
 12  Language          10000 non-null  object 
 13  Purchase Price    10000 non-null  float64
dtypes: float64(1), int64(2), object(11)
memory usage: 1.1+ MB

 

정답

df.info()

 

4. Purchase Price 컬럼의 평균은 몇인가?

 

50.34730200000025

 

정답

df["Purchase Price"].mean()

 

5. Purchase prices 컬럼의 최대값과 최소값은 무엇인가?

 

99.989999999999995

 

정답

df["Purchase Price"].max()

 

0.0

 

정답

df["Purchase Price"].min()

 

6. 사용자 중 영어를 사용하는 사람의 수는 몇인가? Hint- len()

 

1098

 

정답

# 본인 정답
eng = df[df["Language"] == "en"]
len(eng)

# 선생님 해설
len(df[df['Language'] == 'en'])

 

7. 직업이 "Lawyer" 인 사람은 몇명인가?

 

30

 

정답

# 본인 
lawyer = df[df["Job"] == "Lawyer"]
len(lawyer)

# 선생님 
(df['Job'] == 'Lawyer').sum()

 

8. 오전과 오후에 얼마나 많은 사람들이 주문을 하나? Hint:value_counts()

 

PM    5068
AM    4932
Name: AM or PM, dtype: int64

 

정답

df["AM or PM"].value_counts()

 

9. 가장 많은 직업을 순서대로 5가지 나열해봅시다

 

Interior and spatial designer    31
Lawyer                           30
Social researcher                28
Purchasing manager               27
Designer, jewellery              27
Name: Job, dtype: int64

 

정답

df['Job'].value_counts().head()

 

8. 카드 번호 4926535242672853 인 고객의 email은?

 

1234    bondellen@williams-garza.com
Name: Email, dtype: object

 

정답

df.loc[df["Credit Card"] == 4926535242672853,"Email" ]

 

9. (어려움)American Express를 사용해서 95달러 이상 주문한 거래내역 확인

 

# 표 더 이어지지만 분량 관계상 여기까지 올림

 

정답

# 본인
df[(df["CC Provider"] == "American Express") & (df["Purchase Price"] >= 95)]

# 선생님
df.loc[(df['CC Provider'] == 'American Express') & (df['Purchase Price'] >= 95)]

 

10. 구매자의 사용언어에 따라 총 구매금액을 구하시오

 

Language
el    58618.44
de    58043.93
ru    57665.84
pt    57258.98
en    56111.11
it    54301.09
fr    54275.96
es    54056.84
zh    53140.83
Name: Purchase Price, dtype: float64

 

정답

df.groupby('Language').sum()['Purchase Price'].sort_values(ascending=False)

 

11. 오전과 오후에 주문한 총 구매금액을 구하시오

 

AM or PM
AM    247519.87
PM    255953.15
Name: Purchase Price, dtype: float64

 

정답

df.groupby('AM or PM').sum()['Purchase Price']

 

12. 평균 구매금액이 큰 상위 10개 직업을 출력하시오

 

Job
Trade mark attorney                            73.802727
Translator                                     70.777647
Investment analyst                             69.090000
Accountant, chartered management               69.082667
Designer, industrial/product                   68.714667
Clinical cytogeneticist                        67.996364
Psychologist, prison and probation services    67.767222
Special effects artist                         66.752857
Politician's assistant                         66.106923
Advertising account planner                    66.034286
Name: Purchase Price, dtype: float64

 

정답

df.groupby("Job").mean()["Purchase Price"].sort_values(ascending=False).head(10)

 

13. 카드사별 오전과 오후 구매금액 평균을 구하시오

 

 

정답

pd.pivot_table(data=df, columns="AM or PM",index="CC Provider",values ="Purchase Price")

 

14. 아파트 거주 고객의 직업별 총 구매내역

 

 

정답

Apt = df[df["Address"].str.contains("Apt")]
pd.pivot_table(data=Apt, values=["CC Security Code","Credit Card","Purchase Price"],index="Job",aggfunc="sum")